发表于
2014-06-26 15:01:48
谷歌工作推荐
2015年毕业的同学马上就要开始准备找工作了。我可以推荐一些优秀的应届毕业生面试谷歌。大陆毕业的同学也可以直接申请谷歌总部的职位。如果你是社招，也可以找我推荐。目前仅限Software Engineer这个职位，当然这个职位其实很宽泛。是否需要找人推荐？只要你希望拿到谷歌的offer，你就一定需要找人推荐。找人推荐可以优先选择面试时间，会被谷歌重点关注。负责的推荐人也会提供一些准备面试的方法。请尽早找人推荐，以便优先选择面试的大致时间点，以及尽早做准备。即使现在推荐，你也可以选择几个月之后等你喜欢的时间点面试。是否需要找我推荐？从我的角度来说：如果你有能力拿到offer，欢迎找我推荐。从你的角度来说：请找一个对你熟悉的谷歌员工或准员工推荐。推荐候选人需要如实的附上一些非常具体的评价，其中包括对候选人的了解程度。因此一个熟悉你的人，所提供的评价会更真实可信，增加拿到offer的可能性。如果你觉得我对你熟悉，请找我推荐。否则，请找其他人推荐。如果你实在找不到熟悉你的人推荐，欢迎找我试试。什么样的人容易被推荐？我个人认为的一些加分项包括但不限于：1）有一定份量的奖项；2）有一定份量的奖学金；3）开源项目，或其他有意思的项目；4）领导能力，团队合作经验；5）技术博客；6）英语口语能力（如果申请总部职位）；7）有意思的研究经历；8）过硬的编程能力；9）过硬的学习能力。对于以上提到的这些，最好
...继续阅读
(26)
发表于
2014-03-02 13:23:46
从回转寿司到数值代数
发表于
2013-10-09 13:03:28
找工作总结
明年毕业，找工作目前已告一段落，做一个总结。面试过的公司共八家，按照第一轮面试的时间顺序分别是：淘宝、百度、华为、美团、谷歌、京东、葫芦、有道。最终选择谷歌总部，这其实是之前不在考虑范围的一个选择。我的情况我专业是计算数学，研究方向是最优化计算方法。因为和大部分应聘者的背景不同，简历里面会有半页纸可能面试官也看不懂写的是啥。当然，因为毕竟占了简历不小篇幅，面试一般还是会问一下的。一般我会讲讲问题是什么，算法设计和改进思路是什么。大致上还是可以讲清楚的。我因为有ACM竞赛经历，加上后来自己学了很多计算机相关知识，如果面试官没看简历（有的面试官是直接问问题的），只要别问到类似TCP/IP什么的问题，很基础但属于我没兴趣学的，很可能会误以为我是计算机系。关于数学系应聘IT公司一般来讲这不是个主流的选择，主流选择应当是去高校和研究所继续做相关研究，而不是去抢别的专业人的饭碗。关于数学系进IT公司，我一个本科同学的评价是：大多数人入职前半年都是需要学习各种基本知识的，但一般学的比较快。这个看法我觉得比较可信。以下是三种数学系学生应聘IT公司可能会有的奇葩状况。1，如果某个基本概念没听说过，面试官可能会一惊，然后觉得你这个人基础太差而pass掉。2，如果某个基本概念没听说过，面试官惊讶过后解释了一下这个概念，然后问一个相关的问题，如果很快就答出来了，面试官会觉得这人真聪明。3，如果问过的问题都
...继续阅读
(20)
发表于
2013-08-31 09:32:14
优化算法在应用问题中的常见技巧
这是今天去Hulu交流时用的PDF，比较简短。总结了在做应用问题时的一点点感觉。点击下面链接下载。Techniques for Optimization Methods in Applications
...继续阅读
(17)
发表于
2013-08-21 09:04:41
秒针系统RTB大赛总结
比赛地址：http://www.miaozhen.com/2013/CACC2013.html发布一下昨天在盒子咖啡交流时所用的文件。可以点这里下载，或者在下面直接阅读。
...继续阅读
(29)
发表于
2013-07-14 12:28:21
0-1背包问题与子集合加总问题的近似算法
最近没有怎么更新博客，因为一直比较忙。最近发现所里在做的一个项目中，可以抽出一部分内容和0-1背包问题、子集合加总问题非常相似（虽然表面上不容易看出相似点），所以看了一些这方面的资料和论文，这里主要对问题特点和算法思想做一些整理。这类问题其实很有意思，做数学和做计算机的人都会研究，而且我这里将要提到的论文都是做计算机的人所写的。问题简述0-1 Knapsack Problem （0-1背包问题，下面简称KP）和Subset Sum Problem （子集合加总问题，下面简称SSP）是经典的NP完全问题。两个问题简要描述如下：KP：有$n$个物品要放入背包，第$i$个物品的价值为$c_i$，占据体积为$v_i$，背包的总容积为$V$，要选择一部分物品放入背包，使得他们的总价值最大。对应的优化问题是$\max_{x_i} \sum c_i * x_i $$\mbox{s.t.} \sum v_i * x_i \le V, x_i \in \{ 0, 1 \} $这里$x_i$代表是否选取第$i$个物品进背包，等于$1$就代表放入背包，等于$0$代表不放入背包。SSP: 给一个集合$\{c_1, c_2, \ldots, c_n \}$，还有一个目标值$V$，问能否选出一个子集，使得子集中元素求和刚好等于$V$。我们一般考虑的是他的另一种表述方式：选出一个子集，使得子集中元素求和不超过$
...继续阅读
(35)
发表于
2013-05-29 08:07:52
如何快速计算交叉项求和——从libFM联想到的一类数学问题
libFM里面有一个很好的idea是遍历特征的交互作用。也即$\sum_{i \ne j} x_i * x_j$。但是遍历交互作用需要计算$O(n^2)$次乘法，于是作者做了一个变换，成为$ 0.5 * ((\sum_i x_i)^2 – \sum_i x_i^2) $。变换后只需要线性次的乘法和加法即可。听严强说，实际使用的时候常常不需要遍历所有交叉项，因为很多特征之间是没有关系的。如果那样，问题就变成了$v = \sum_{(i,j)\in S} x_i * x_j $，其中$S$是给定的指标集。可能在实际中$S$里面元素是比较少的，但无论如何，这引发一个数学问题：如何给出一个等价变换，使得用尽量少的乘法和加法就能求得这个式子？如果设计一个智能算法，自动选择有用的特征对，这时候可能就真的需要一个算法找到相应的等价变换式。确定这个定价变换可以不用特别快速，因为只需计算一次，但是得到的结果应该是可以尽量快速计算的。这和我以前考虑过的一个问题非常类似，但是不完全一样。首先我们考虑“相对精确”地去找计算量最少的等价变换。说“相对精确”是因为我还没想到以一个便捷的方式处理完美的精确。我们考虑近似化为一个优化问题。假设我们要找到一个需要至多$m$次乘法的等价表达式，则有$v = \sum_{k=1}^m \left( \sum_{i=1}^n (a_{ki} * x_i) *
...继续阅读
(31)
发表于
2013-04-01 11:39:51
从函数近似角度看softmax
我不懂softmax，但是最近好友licstar在做这方面的实验，我就了解了一点点。我用自己的理解复述一遍。问题大概是针对分类的，有多个$m$维观测向量且我们知道他们的类别。样本个数记为$C$，类别数量记为$n$。现在我们构造一个线性分类器，它包括了一个$n$行$m$列的矩阵$A$，将矩阵左乘观测向量$x$，就得到某个向量$b$，这个向量各个数中最大的一个设为$b_i$，则观测向量就是第$i$类的。从维基百科就能看到这个问题的目标函数，貌似是和概率有关，我概率学得一般，但是发现可以从函数近似的角度去看。也许很多人已经这么做了，毕竟我不了解这个模型。我们实际上有个很直观的目标是： minimize $ sgn(\max_j b_j – b_i) $其中$sgn(\cdot)$是符号函数，也即当$t$为正时$sgn(t)=1$，当$t$为负时$sgn(t)=-1$，当$t=0$时$sgn(t)=0$。也即$b_i=\max_j b_j$的时候，目标函数取$0$，否则取$1$，含义就是有多少个被分类错误了。然后我们求这个函数的极小值。但是这个目标明显非常难算，不连续更不可导。首先我们替换掉$\max $，它的一个常用光滑近似函数是 $\max_j b_j \approx \mu \ln \sum_j exp(b_j / \mu )$ ，在参数$\mu$很小的时候，他们近似相等
...继续阅读
(129)
发表于
2013-03-26 03:03:37
百度电影推荐系统算法大赛新数据集的简单分析
发表于
2013-03-20 11:51:33
数据真实性的探索——对百度电影推荐系统算法大赛的质疑
